本發(fā)明專利技術提供的基于人工智能的數據訪問分析方法、系統(tǒng)及云平臺，通過基于訪問行為檢測記錄及對應的行為要素描述短語，從多個候選神經網絡中篩選不少于一個候選神經網絡進行訪問行為檢測記錄的知識向量挖掘，不僅可以通過多個候選神經網絡擴展模型集群，從而提高越界預警分析網絡的越界預警分析質量；還可以在實際的越界預警分析中，可以篩選部分的候選神經網絡實現對訪問行為檢測記錄的越界預警分析，從而能夠避免過大的運算開銷，減少人工智能云平臺的處理壓力，以提高針對訪問行為的越界預警分析時效性和精度。警分析時效性和精度。警分析時效性和精度。
【技術實現步驟摘要】
基于人工智能的數據訪問分析方法、系統(tǒng)及云平臺
[0001]本專利技術涉及人工智能
，特別涉及一種基于人工智能的數據訪問分析方法、系統(tǒng)及云平臺。
技術介紹
[0002]人工智能從誕生以來，理論和技術日益成熟，應用領域也不斷擴大，可以設想，未來人工智能帶來的科技產品，將會是人類智慧的“容器”。在網絡數據訪問過程中，基于人工智能的越界預警分析的應用場景是對云服務過程中的網絡數據訪問行為安全識別，也即對訪問行為的權限越界進行預警分析，從而保障云服務運行時的安全性和穩(wěn)定性。如今，云服務所涉及的訪問量和訪問行為激增，這給網絡數據訪問行為的越界預警分析帶來了不小的挑戰(zhàn)。
技術實現思路
[0003]為改善相關技術中存在的技術問題，本專利技術提供了一種基于人工智能的數據訪問分析方法、系統(tǒng)及云平臺。
[0004]第一方面，本專利技術實施例提供了一種基于人工智能的數據訪問分析方法，應用于人工智能云平臺，所述方法包括：獲得待進行越界預警分析的訪問行為檢測記錄和所述訪問行為檢測記錄對應的行為要素描述短語；依據所述訪問行為檢測記錄和所述行為要素描述短語，從聯(lián)動AI模型集群中包含的多個候選神經網絡中篩選不少于一個候選神經網絡作為前處理神經網絡；通過所述前處理神經網絡進行所述訪問行為檢測記錄的決策知識挖掘操作，得到所述訪問行為檢測記錄對應的行為越界決策知識。
[0005]對于一種示例性的技術方案而言，所述聯(lián)動AI模型集群包括不少于一個AI算法模型，每個所述AI算法模型中包括多個候選神經網絡；所述依據所述訪問行為檢測記錄和所述行為要素描述短語，從聯(lián)動AI模型集群中包含的多個候選神經網絡中篩選不少于一個候選神經網絡作為前處理神經網絡，包括：針對任一所述AI算法模型，依據所述訪問行為檢測記錄和所述行為要素描述短語，從所述AI算法模型包含的多個候選神經網絡中篩選不少于一個候選神經網絡作為所述前處理神經網絡。
[0006]對于一種示例性的技術方案而言，所述依據所述訪問行為檢測記錄和所述行為要素描述短語，從所述AI算法模型包含的多個候選神經網絡中篩選不少于一個候選神經網絡作為前處理神經網絡，包括：將行為要素隱含知識和行為要素描述短語進行合并，得到聯(lián)動知識短語，所述行為要素隱含知識是通過對所述訪問行為檢測記錄進行知識挖掘所得；依據所述聯(lián)動知識短語得到神經網絡篩選指示，所述神經網絡篩選指示中包括X
個篩選變量，X與所述AI算法模型中待篩選的所述多個候選神經網絡的數目相等，且所述篩選變量用于表示對應所述篩選變量的候選神經網絡的被篩選可能性；依據所述神經網絡篩選指示中的篩選變量，從所述AI算法模型中待篩選的X個候選神經網絡中確定所述前處理神經網絡。
[0007]對于一種示例性的技術方案而言，所述依據所述神經網絡篩選指示中的篩選變量，從所述AI算法模型中待篩選的X個候選神經網絡中確定所述前處理神經網絡，包括：從所述AI算法模型中待篩選的X個候選神經網絡中，基于篩選變量確定所述被篩選可能性最大的候選神經網絡作為所述前處理神經網絡。
[0008]對于一種示例性的技術方案而言，所述依據所述神經網絡篩選指示中的篩選變量，從所述AI算法模型中待篩選的X個候選神經網絡中確定所述前處理神經網絡，包括：從所述AI算法模型中待篩選的X個候選神經網絡中，基于篩選變量確定所述被篩選可能性在設定可能性區(qū)間內的多個候選神經網絡作為多個前處理神經網絡。
[0009]對于一種示例性的技術方案而言，針對任一所述AI算法模型，在從所述AI算法模型中篩選的所述前處理神經網絡的數目為多個的基礎上，所述通過所述前處理神經網絡進行所述訪問行為檢測記錄的決策知識挖掘操作，包括：針對任一所述AI算法模型，將行為要素隱含知識分別加載到從所述AI算法模型中確定的所述多個前處理神經網絡，得到各前處理神經網絡分別生成的前處理知識向量；所述行為要素隱含知識是通過對所述訪問行為檢測記錄進行知識挖掘所得；將各前處理神經網絡生成的前處理知識向量進行基于權重的合并處理，得到所述AI算法模型生成的行為越界決策知識。
[0010]對于一種示例性的技術方案而言，所述聯(lián)動AI模型集群包括：第一AI算法模型和第二AI算法模型，所述第一AI算法模型和第二AI算法模型分別包括多個候選神經網絡；所述從聯(lián)動AI模型集群中包含的多個候選神經網絡中篩選不少于一個候選神經網絡作為前處理神經網絡，包括：對于所述第一AI算法模型和第二AI算法模型中的其中一個，由所述多個候選神經網絡中篩選不少于一個候選神經網絡作為前處理神經網絡；所述通過所述前處理神經網絡進行所述訪問行為檢測記錄的決策知識挖掘操作，得到所述訪問行為檢測記錄對應的行為越界決策知識，包括：將通過所述第一AI算法模型中的所述前處理神經網絡進行所述決策知識挖掘操作后生成的決策知識作為行為要素隱含知識，加載到所述第二AI算法模型；通過所述第二AI算法模型中的前處理神經網絡對所述行為要素隱含知識進行所述決策知識挖掘操作；在所述第二AI算法模型是聯(lián)動AI模型集群中的末尾的AI算法模型的基礎上，將所述第二AI算法模型生成的行為越界決策知識作為所述訪問行為檢測記錄對應的行為越界決策知識。
[0011]對于一種示例性的技術方案而言，所述聯(lián)動AI模型集群包括：第三AI算法模型；所述第三AI算法模型中包括多個候選神經網絡；所述依據所述訪問行為檢測記錄和所述行為要素描述短語，從聯(lián)動AI模型集群中包含的多個候選神經網絡中篩選不少于一個候選神經網絡作為前處理神經網絡，包括：通過所述聯(lián)動AI模型集群中的向量挖掘單元對所述訪問行為檢測記錄進行知識向量挖掘，得到行為要素隱含知識；將所述行為要素隱含知識和行為要素描述短語進行合并，得到聯(lián)動知識短語；依據所述聯(lián)動知識短語，由所述第三AI算法模型包含的所述多個候選神經網絡
中確定所述前處理神經網絡。
[0012]對于一種示例性的技術方案而言，所述行為要素描述短語包含以下至少一項：所述訪問行為檢測記錄中的訪問行為對應的訪問類型、訪問時段、訪問權限認證結果、訪問安全評價、訪問行為狀態(tài)和檢測信噪比。
[0013]對于一種示例性的技術方案而言，所述方法還包括：依據所述行為越界決策知識進行越界預警分析處理。
[0014]對于一種示例性的技術方案而言，依據所述行為越界決策知識進行越界預警分析處理通過越界預警分析網絡實現，所述越界預警分析網絡包括聯(lián)動AI模型集群，所述聯(lián)動AI模型集群中包括多個候選神經網絡；所述越界預警分析網絡的調試步驟為：獲得示例型訪問行為檢測記錄、所述示例型訪問行為檢測記錄的先驗注釋以及所述示例型訪問行為檢測記錄對應的行為要素描述短語；將所述示例型訪問行為檢測記錄和所述示例型訪問行為檢測記錄對應的行為要素描述短語加載到所述越界預警分析網絡；由所述越界預警分析網絡依據所述示例型訪問行為檢測記錄和所述行為要素描述短語，從所述多個候選神經網絡中篩選不少于一個候選神經網絡作為前處理神經網絡，通過所述前處理神經網絡進行所述示例型訪問行為檢測記錄的決策知識挖掘操作，得到所述示例型訪問行為檢測記錄的行為越界決策知識本文檔來自技高網...
【技術保護點】
【技術特征摘要】
1.一種基于人工智能的數據訪問分析方法，其特征在于，應用于人工智能云平臺，所述方法包括：獲得所述待進行越界預警分析的訪問行為檢測記錄和所述訪問行為檢測記錄對應的行為要素描述短語；依據所述訪問行為檢測記錄和所述行為要素描述短語，從聯(lián)動AI模型集群中包含的多個候選神經網絡中篩選不少于一個候選神經網絡作為前處理神經網絡；通過所述前處理神經網絡進行所述訪問行為檢測記錄的決策知識挖掘操作，得到所述訪問行為檢測記錄對應的行為越界決策知識。2.如權利要求1所述的方法，其特征在于，所述聯(lián)動AI模型集群包括不少于一個AI算法模型，每個所述AI算法模型中包括多個候選神經網絡；所述依據所述訪問行為檢測記錄和所述行為要素描述短語，從聯(lián)動AI模型集群中包含的多個候選神經網絡中篩選不少于一個候選神經網絡作為前處理神經網絡，包括：針對任一所述AI算法模型，依據所述訪問行為檢測記錄和所述行為要素描述短語，從所述AI算法模型包含的多個候選神經網絡中篩選不少于一個候選神經網絡作為所述前處理神經網絡；其中，所述依據所述訪問行為檢測記錄和所述行為要素描述短語，從所述AI算法模型包含的多個候選神經網絡中篩選不少于一個候選神經網絡作為前處理神經網絡，包括：將行為要素隱含知識和行為要素描述短語進行合并，得到聯(lián)動知識短語，所述行為要素隱含知識是通過對所述訪問行為檢測記錄進行知識挖掘所得；依據所述聯(lián)動知識短語得到神經網絡篩選指示，所述神經網絡篩選指示中包括X個篩選變量，X與所述AI算法模型中待篩選的所述多個候選神經網絡的數目相等，且所述篩選變量用于表示對應所述篩選變量的候選神經網絡的被篩選可能性；依據所述神經網絡篩選指示中的篩選變量，從所述AI算法模型中待篩選的X個候選神經網絡中確定所述前處理神經網絡；其中，針對任一所述AI算法模型，在從所述AI算法模型中篩選的所述前處理神經網絡的數目為多個的基礎上，所述通過所述前處理神經網絡進行所述訪問行為檢測記錄的決策知識挖掘操作，包括：針對任一所述AI算法模型，將行為要素隱含知識分別加載到從所述AI算法模型中確定的所述多個前處理神經網絡，得到各前處理神經網絡分別生成的前處理知識向量；所述行為要素隱含知識是通過對所述訪問行為檢測記錄進行知識挖掘所得；將各前處理神經網絡生成的前處理知識向量進行基于權重的合并處理，得到所述AI算法模型生成的行為越界決策知識。3.如權利要求2所述的方法，其特征在于，所述依據所述神經網絡篩選指示中的篩選變量，從所述AI算法模型中待篩選的X個候選神經網絡中確定所述前處理神經網絡，包括：從所述AI算法模型中待篩選的X個候選神經網絡中，基于篩選變量確定所述被篩選可能性最大的候選神經網絡作為所述前處理神經網絡。4.如權利要求2所述的方法，其特征在于，所述依據所述神經網絡篩選指示中的篩選變量，從所述AI算法模型中待篩選的X個候選神經網絡中確定所述前處理神經網絡，包括：從所述AI算法模型中待篩選的X個候選神經網絡中，基于篩選變量確定所述被篩選可能性在設定可能性區(qū)間內的多個候選神經網絡作為多個前處理神經網絡。5.如權利要求1所述的方法，其特征在于，所述聯(lián)動AI模型集群包括：第一AI算法模型和第二AI算法模型，所述第一AI算法模型和第二AI算法模型分別包括多個候選神經網絡；
所述從聯(lián)動AI模型集群中包含的多個候選神經網絡中篩選不少于一個候選神經網絡作為前處理神經網絡，包括：對于所述第一AI算法模型和第二AI算法模型中的其中一個，由所述多個候選神經網絡中篩選不少于一個候選神經網絡作為前處理神經網絡；...
【專利技術屬性】
技術研發(fā)人員：李星，王高峰，
申請(專利權)人：李星，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。